부산대학교 도서관

In this thesis, we describe a rotation invariant face detection framework based on a refined AdaBoost algorithm. The face detection framework is able to process digital images extremely rapidly and achieve high face detection rates. First, this thesis describes a rectangle feature called “Haar-Like” feature to select some effective features in human face images and presents an image representation method called the “Integral Image” which can computed the haar-like feature extremely rapidly. Second, this paper detailed describes a refined learning algorithm based on an Adaboost algorithm by Freund & Schapire to training some face classifiers, then design a cascade detector based on viola-jones object detection framework. Last, we training the face detection system used MIT face set, and through an experiment, check the performance of the cascade detector.
본 논문에서는 정밀하고 세련된 AdaBoost 알고리즘을 이용하여 체계적인 얼굴탐색 하는 방법을 말하고 있다. Haar-Like 특징 및 Integral Image 기법은 조합해서 얼굴의 특징을 추출할 수 있고 빠르게 계산할 수 있다. 따라서, 수정된 AdaBoost 알고리즘 기법을 사용하여 Week Classifiers 학습을 하였고 Strong Classifiers으로 조합하였다. 그리고 논문에서 서술한 방법에 따라 Cascade 얼굴 탐색 시스템을 구현하였다. AdaBoost 알고리즘은 과적합(overfitting)을 나오지 않고 비교적 성능이 좋은 알고리즘이다. 실시간에도 사용할 수 있지만 학습 시간이 긴 단점이 존재하였다. Cascade 얼굴탐색 시스템은 5000개 Haar-Like 특징을 사용하고 40층으로 분류기를 구조하였다. 실험에 통해 96%까지 실험결과를 나오고 Viola-Jone object cascade detector의 성능과 비교하면 성능이 향상을 시키었다.